國網設（shè）備部統（tǒng）一部署的黑科技來了（le）
點擊數： 發布時間：2021-12-06
11月17日上午（wǔ），由國網（wǎng）設備部統一部署，中國電科院組織建立（lì）的聲紋數據中心成功接收國網安徽電（diàn）科院分中心上傳的第一（yī）批聲學（xué）指（zhǐ）紋（簡稱聲（shēng）紋）在線監測數據，標誌著電（diàn）力設備聲紋在線監測技術正式進入雲端集中分析（xī）、邊緣側數據處理、端側智能感（gǎn）知“雲邊端”協同發力的新階段。
國家電網公司總部（bù）高度重視聲紋（wén）識別技術在電力（lì）設備故障診斷中的應（yīng）用，並在2018年將國（guó）網公司（sī）科技項目“基於深度學習的電網主設（shè）備聲學指紋（wén）不停電檢測與智能（néng）診斷”列為重點研究（jiū）項（xiàng）目，由中（zhōng）國電科院（yuàn）聯合國網安徽電科院、國網信產集團、國網電科院等相關單位（wèi）組建柔性研發團隊，合作研究針對電力設備的聲紋識別技術，掀起了（le）聲紋在線監測技術（shù）第一波浪潮。
研發（fā）聲（shēng）紋裝置 建成智能感知終（zhōng）端
“我們的聲紋在線監測裝置，可以24小時監測設備的機械性（xìng）潛伏缺陷，防患（huàn）於未然（rán），有效提升設備狀態感知能力。”研發團隊技術負責人高飛介（jiè）紹道。
該監測裝（zhuāng）置布置在電力設備附近，與設（shè）備沒有（yǒu）任何（hé）電氣連接，不影響係統（tǒng）的正常（cháng）運行，不間斷地監聽電力（lì）設備運行聲紋信（xìn）號。然而，變電站現場可能會（huì）受（shòu）惡劣（liè）天（tiān）氣及環境噪聲的影響，因此（cǐ）如何選擇合（hé）適的傳感器（qì）型號及（jí）布（bù）置方式對（duì）聲紋采集質（zhì）量至關重要。
針對這些問（wèn）題（tí），團隊深入（rù）研究動作過（guò）程中的（de）聲（shēng）學-振動產生及傳播機理，比較不（bú）同傳感（gǎn）器指（zhǐ）向性（xìng）、抗環境幹（gàn）擾（rǎo）、防護等級等（děng）性（xìng）能指（zhǐ）標，經過不斷（duàn）測試與試驗，確（què）定傳感器型號（hào）及安裝位（wèi）置（zhì）最佳選擇方法。
2020年6月，聲紋在（zài）線監測（cè）裝置通（tōng）過（guò）CNAS實驗室第三方性能測試，測試結果顯示，該監測裝置硬件可（kě）靠性（xìng）高，能承受戶外（wài）惡劣天氣及（jí）複雜電磁（cí）環境，並具（jù）有良好的（de）頻率響應（yīng）特性和（hé）明顯指向性，精確獲取目標設（shè）備聲紋信號（hào）。
運（yùn）用識別算法 實現故（gù）障快（kuài）速診斷
在監測裝置獲取（qǔ）到聲紋信號後，調用語音智能（néng）識別（bié）算法進行分（fèn）析研判，一旦設備內部出現異常工況及潛伏期故（gù）障缺陷，係統會立即（jí）發出告警提（tí）醒運維（wéi）人員。
該套係（xì）統搭（dā）載由中（zhōng）國電（diàn）科院和科大訊飛共同（tóng）研發的語音智能（néng）識別算法，將設備聲紋與瞬態、持續性噪聲進行分（fèn）離，避（bì）免電暈、風機等各類幹擾，利用深度神經網（wǎng）絡技術學（xué）習進行模型訓練，綜合評估監測（cè）數據，判斷時效性強，可以實（shí）現（xiàn）變（biàn）壓器、斷路（lù）器等電力設備繞（rào）組變形（xíng）、組部件鬆（sōng）動、操（cāo）動機（jī）構卡（kǎ）澀等異（yì）常工況的實（shí）時監測與故障診斷功能。
該研發團隊於2018年9月開始，分別在變（biàn）電站現場、實驗室以及生產廠家開展設備聲紋特征普測，積累了數萬條樣本，在當前樣（yàng）本下可實現識別準確（què）度90%以（yǐ）上，單樣本識（shí）別時間（jiān）最（zuì）快可（kě）達0.06秒，為設（shè）備狀態在線監測與故障（zhàng）診斷提供（gòng）了（le）有力支撐（chēng）。
聲紋（wén）數據貫通（tōng） 打（dǎ）造雲邊端協同（tóng）機製（zhì）
在數字化（huà）轉（zhuǎn）型（xíng）初（chū）期，電（diàn）力數據多是由（yóu）各電力（lì）終（zhōng）端采集（jí）後統一（yī）傳輸到（dào）雲（yún）平台進行統（tǒng）一處理。隨著電力設備電（diàn）子化比例（lì）不斷提高（gāo），接入終端的數據（jù）量呈直線上升，數據量大傳輸成本（běn）高、處理不及時延時難避（bì）免等諸多（duō）問題逐漸顯現，“統一收集、統一（yī）處理”的（de）模式導致（zhì）數據生產、傳輸、處理環節分離而形成更大的信息（xī）壁壘，總部（bù）側與站端無法實現有效（xiào）互聯。
“問（wèn）題關鍵就在於要充分利（lì）用‘邊’的就地處理能力，運用站端（duān）的聲紋識別算法對（duì）數據進行篩選（xuǎn）和處（chù）理，這樣就可以大大減輕雲平台的通信和計算壓力。”邊緣（yuán）計算功（gōng）能負（fù）責人韓帥說（shuō）。采用這種方（fāng）式，雲端（duān）的聲（shēng）紋（wén）數據中心（xīn）在線接收各變電站（zhàn）端檢（jiǎn）出的異常聲紋信號，組織在線（xiàn）審核及（jí）標注修改（gǎi），持續優（yōu）化迭代算法模型。同時，聲紋數（shù）據中心提供模型訓練（liàn）及模型下發更新，實現（xiàn）模型自雲端一鍵下發，經省側屬地化（huà）調（diào）優後，自動更（gèng）新（xīn）部（bù）署（shǔ）到（dào）變電站端，有效提升工（gōng）作效率。
通過人工智能（néng）技術（shù）與傳統運檢業務的（de）融合（hé），將聲紋數據中心作（zuò）為總部（bù）雲端數據匯（huì）聚節點（diǎn），聯合省側分中（zhōng）心（xīn）及站（zhàn）端聲（shēng）紋在線（xiàn）監測裝置，實現電力設備的（de）異常工況的智能識（shí）別，大大（dà）減少現場人工巡視需求，提高（gāo）設備狀態管控力和運（yùn）檢管理穿（chuān）透力（lì），打（dǎ）造現（xiàn）場感知（zhī）層智能替代（dài）、業務管控（kòng）層（céng）集約（yuē）高效（xiào）、指揮決策層精準穿透的“雲、邊、端”一體化場景應用體係，實現（xiàn）運檢模式從“事後應對”向（xiàng）“事前（qián）防範”的轉變（biàn），全麵推動運檢工作方式和生產管理模式的革新，助力新型電力係統（tǒng）“雙碳”目（mù）標實現。
自2019年以來，研（yán）發團隊已（yǐ）在浙江、安徽、福建、陝西等地（dì）110千伏及以上（shàng）各電壓等級的交直流變電站開展試點應（yīng）用（yòng），不斷豐富聲紋樣本（běn）庫建（jiàn）設，積累（lèi）形成了數萬餘（yú）條（tiáo）約20萬個小時的聲紋樣本（běn）庫數據（jù），有效提（tí）升電網設（shè）備智能管控水（shuǐ）平（píng）。
下（xià）一步，中國電科院將（jiāng）繼續深化與係統內外單位的合作，擴大試點應（yīng）用（yòng）範（fàn）圍，形成行（háng）業聲紋監測標準，推（tuī）動聲紋監測在電力設備智能運維中的深（shēn）度應用。
